导读:本文包含了标签传递算法论文开题报告文献综述及选题提纲参考文献,主要关键词:标签传递,异常检测,图模型
标签传递算法论文文献综述
赵曼,赵耀,朱振峰[1](2019)在《基于标签传递的异常检测算法研究》一文中研究指出异常检测旨在检测出观测数据中的非正常值,被广泛应用于反信用卡欺诈、网络入侵检测、医疗分析以及气象预报等领域。在异常检测中,正常数据通常具有异常数据所不具备的某种内蕴结构。因此,如何有效地利用正常数据与异常数据在数据结构上的差异性将有助于提高异常检测性能。为此,本文提出了一种新颖的基于标签传递的异常检测算法。该算法通过图模型刻画正常数据所具有的内蕴结构,并通过多重标签传递来构建未标记正例样本与待测试样本的标签置信度的差异。最后,基于正例样本的标签置信度的统计特性分析,实现对测试样本的异常性判决。在人工合成及真实数据集上的实验验证了本文算法的有效性。(本文来源于《数据采集与处理》期刊2019年02期)
王小攀,胡艳[2](2018)在《基于双图结构标签传递算法的高光谱数据分类》一文中研究指出为了更准确地描述高光谱数据的内在几何流形结构,提高高光谱数据的分类准确度,提出了一种基于双图结构的标签传递算法。首先,提出了一种基于属类概率选择图近邻结构的方法;然后,利用高斯核函数计算近邻点的边权值,构造属类概率图;最后,将这种属类概率图与K-NN图线性组合并嵌入标签传递算法框架中,得到一种基于双图结构的标签传递算法。将算法应用到两种高光谱数据分类实验中,实验结果表明于双图结构的标签传递算法能有效提高高光谱数据的分类准确度。(本文来源于《计算机与数字工程》期刊2018年10期)
袁恒东[3](2017)在《基于标签传递图割的图像分割算法》一文中研究指出基于图割的交互式图像分割方法实现了基于用户感兴趣区域的图像前景和背景分割,在计算机视觉和图像处理领域受到了众多研究者的关注。传统图割算法往往是基于图像局部特征进行分割,其收敛速度以及图像结构描述能力具有一定的局限性。为了进一步提高分割精度,提出一种基于标签传递图割的交互式图像分割算法。首先通过引入叁层超像素层构造图模型,实现高层信息的计算。通过多层超像素层,既能抑制过分割,也可以通过不同参数的超像素来增加算法的鲁棒性,提升算法稳定性能。然后结合高次信息,采用已标记样本特征指导未标记样本的标签分配,进行标签传递,利用较少标记样本对未标记样本进行聚类,从而提高了学习精度。最后使用最大流/最小割算法求解最终的分割结果。在MSRC和Berkeley数据集上进行的分割实验表明,基于标签传递和图割的图像分割算法是有效的。(本文来源于《计算机技术与发展》期刊2017年12期)
苗海飞[4](2017)在《基于标签传递算法和中心性特性的社团检测方法》一文中研究指出随着复杂网络不断涌现及其实际应用领域不断拓宽,复杂网络的理论研究受到广泛关注。社团结构和中心性特性是复杂网络中典型的结构特征,其中社团结构是指网络中的顶点可自然地形成不同的组,每个组即为一个社团。社团表现出高密度聚拢状态,即社团内部的节点之间联系较为紧密,位于不同社团的节点之间联系则相对稀疏得多。社团结构作为复杂网络的重要结构特征,包含的社团往往对应于网络的功能模块。通过检测网络的社团结构,可以发现网络的功能单元,研究结构与功能的对应关系,通过结构预测网络的功能。此外,已有研究表明,从社团层面往往可以发现单个顶点或整个网络层面未曾表现出来的一些特性。因此,社团检测方法的研究不论是在理论方面还是在实际应用方面都具有重要意义。研究人员已经提出了大量的社团检测算法,但很多算法的时间复杂度较高,无法有效地应用于规模较大的网络。针对这一问题,本文首先将频繁项集挖掘技术与LPA算法相结合,提出了改进算法LPAFI;其次基于局部中心性,提出了CG和CD两个社团检测算法。(1)LPAFI:该算法是基于LPA和频繁项集提出的确定性的社团检测算法。LPAFI算法首先通过多次运行LPA算法,将每次运行检测到的社团结构作为一条事务,从而构造出事务数据库,然后通过挖掘频繁项集的方法挖掘出满足条件的频繁项集,其次合并频繁项集,得到社团的大致结构,即“核心社团”。最后将不在核心社团的顶点作为“单点社团”,与核心社团进行社团合并,得到最终的社团结构。(2)基于中心性特性的社团检测算法:该算法根据社团结构的定义提出了新的局部中心性,即顶点与其邻居构成的社团,其内部边的数目占该社团总边数的比。局部中心性有一个重要的性质:中心性值较小的顶点往往处于社团的“边缘”。中心性增益算法又简称为CG算法,该算法首先通过重复的移除连接到顶点的边使得每个顶点的中心性值达到最大,从而将网络划分成小的社团,然后从得到的小社团中找出不稳定的小社团,将其划分成更小的社团,最后将得到的小社团进行合并,得到最终的社团结构;中心性扰动算法又简称为CD算法,该算法首先通过重复的移除对当前顶点中心性“贡献”较小的顶点之间的边,从而将网络划分成小的社团,然后从得到的小社团中找出不稳定的小社团,将其划分成更小的社团,最后将得到的小社团进行合并,得到最终的社团结构。为了验证本文提出的社团检测方法的性能,本文在7个网络数据集上进行了实验。实验结果表明,本文提出的方法能够快速地从网络中检测出高质量的社团结构。(本文来源于《兰州大学》期刊2017-04-01)
周军[5](2014)在《基于标签传递的有向图重迭社团发现算法研究》一文中研究指出社团发现作为网络科学中一个重要的基础问题受到了广泛的关注和重视。针对社团结构的研究为我们提供了从中尺度上分析和理解网络的途径,具有重要的理论和实际意义。已有的研究大多关注无向图和非重迭社团的发现。本文基于标签传递和用户排序的思想设计了一个有向图上的重迭社团发现算法,实际数据上的实验表明了算法在发现用户多重社团属性和确定社团规模方面的有效性。(本文来源于《网络安全技术与应用》期刊2014年09期)
蔡国永,林航,文益民[6](2013)在《社会语义网社区发现标签传递算法研究》一文中研究指出针对在线社会网络的特性和现有社区发现算法的不足,提出一种基于语义网技术的在线社会网络社区发现算法ISLPA(Improved Semantic Label Propagation Algorithm),即一种适用于大规模在线社会网络的社区发现和标识算法。ISLPA算法对语义标签算法SemTagP进行改进,在社区划分过程中将在线社会网络视为有向加权图,通过语义网和社会化标签技术,充分结合在线社会网络丰富的语义信息和网络拓扑特征进行社区划分。ISLPA算法不需要预先设定社区数量和大小,就能实现社区发现,并能根据标签自动识别划分的社区。算法接近线性时间复杂度,具有较高的效率。通过实验表明,ISLPA算法能有效划分和标识真实在线社会网络。(本文来源于《计算机科学》期刊2013年02期)
刘培奇,孙捷焓[7](2012)在《基于LDA主题模型的标签传递算法》一文中研究指出标签传递算法是一种半监督分类方法,由于该算法存在要求数据分类结果符合流行假设、数据维数较高时计算复杂度高等问题,在文本分类中效果较差。针对这些问题,经过对LDA主题模型和标签传递算法原理及复杂度的分析,将两者结合,提出一种基于LDA主题模型的标签传递算法LPLDA。该算法用LDA主题模型中的主题表示文本数据,一方面使用LDA主题模型表示文本保证分类结果符合流行假设,另一方面有效减少标签传递算法相似度计算时间。经过实验证明,该算法在标记数据少于待测样本时,分类效果优于传统的有监督分类方法。(本文来源于《计算机应用》期刊2012年02期)
郝建柏,陈贤富,黄双福,杨俊[8](2010)在《一种基于模糊近邻标签传递的半监督分类算法》一文中研究指出提出了样本分布无关,模型简单,单控制参数的模糊近邻标签传递算法.该算法依据样本与其k个近邻的模糊相似性连接,使类别标签从标签数据向未标签数据传递,实现未标签数据的分类.最后,通过人工合成数据和UCI数据集中数据的分类实验验证了该算法的简单有效性.(本文来源于《微电子学与计算机》期刊2010年02期)
标签传递算法论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
为了更准确地描述高光谱数据的内在几何流形结构,提高高光谱数据的分类准确度,提出了一种基于双图结构的标签传递算法。首先,提出了一种基于属类概率选择图近邻结构的方法;然后,利用高斯核函数计算近邻点的边权值,构造属类概率图;最后,将这种属类概率图与K-NN图线性组合并嵌入标签传递算法框架中,得到一种基于双图结构的标签传递算法。将算法应用到两种高光谱数据分类实验中,实验结果表明于双图结构的标签传递算法能有效提高高光谱数据的分类准确度。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
标签传递算法论文参考文献
[1].赵曼,赵耀,朱振峰.基于标签传递的异常检测算法研究[J].数据采集与处理.2019
[2].王小攀,胡艳.基于双图结构标签传递算法的高光谱数据分类[J].计算机与数字工程.2018
[3].袁恒东.基于标签传递图割的图像分割算法[J].计算机技术与发展.2017
[4].苗海飞.基于标签传递算法和中心性特性的社团检测方法[D].兰州大学.2017
[5].周军.基于标签传递的有向图重迭社团发现算法研究[J].网络安全技术与应用.2014
[6].蔡国永,林航,文益民.社会语义网社区发现标签传递算法研究[J].计算机科学.2013
[7].刘培奇,孙捷焓.基于LDA主题模型的标签传递算法[J].计算机应用.2012
[8].郝建柏,陈贤富,黄双福,杨俊.一种基于模糊近邻标签传递的半监督分类算法[J].微电子学与计算机.2010